这是我预处理列车数据的代码：
stock_pipeline = Pipeline([
('std_scaler', StandardScaler()),
])
train_pipelined_features_np = stock_pipeline.fit_transform(train_features_df)
在我训练之后，我即将预处理测试数据。但我想知道我必须使用stock_pipeline.fit_transform(test_features_df)或stock_pipeline.transform(test_features_df) ...
由于管道只有StandardScaler()，所以我认为fit()不会做任何事情。所以我认为fit_transform()和＆＃39; transform（）`会做同样的事情。但结果彼此不同......
有什么区别？
答案 0 :(得分：0)
让我们看看，有三种不同的东西：＆＃34; fit＆＃34;，＆＃34; transform＆＃34;，＆＃34; fit_transform＆＃34;。
当你适应某些数据时，Scaler＆＃34;记得＆＃34;它，所以如果你适合火车 - 将计算列车上的参数，如果你适合测试 - 参数pn测试将被计算。
当你转型时，你会使用＆＃34;记住＆＃34;参数。所以通常你会在火车数据上拟合模型并对其进行转换。然后使用这些＆＃34;记住＆＃34;转换测试数据。参数。
当您使用fit_transform时，Scaler会学习所选数据的参数并对其进行转换。
所以回答你的问题：如果你使用fit_transform，Scaler会根据测试分布来扩展测试数据，它将与火车不同;如果你使用变换，那么测试数据将被缩放为列车数据。